پس از یک روز پرهیاهو، بالاخره روی کاناپه می‌خوابی تا مغزت خنک شود، اما این ذهن لعنتی تازه راه می‌افتد. یکبار می‌پرد به دعوای دیروز؛ نگران خانه آینده می‌شود؛ باز می‌رود به جلسه ماه پیش و آخرسر هم چیدن برنامه فردا. دانشمندان می‌گویند وقتی که می‌خواهید هیچ کاری نکنید، فعالیت ذهنتان به حداکثر ممکن می‌رسد. این فعالیت نوعی سفر در زمان است و به ما قدرت رفتن به آینده را می‌دهد. استیون جانسون نویسنده علمی و نظریه‌پرداز رسانه می‌گوید باید تاریخ تکنولوژی را با «انسان آینده‌پرداز» فهمید، انسانی که به‌شکل سنتی کشاورزی می‌کرد و حالا دارد برای پیشگویی آینده الگوریتم طراحی می‌کند.
به گزارش ایسنا، روزنامه «جوان» در ادامه نوشت: تصور کنید اواخر عصر یک روز کاری است و شما برای پیاده‌روی رفته‌اید بیرون. خیلی از در خانه دور نشده‌اید که به مسیر معمول پیاده‌روی‌تان در محله می‌رسید و ناگاه ذهنتان به جلسه مهمی معطوف می‌شود که برای هفته بعد برنامه‌ریزی شده است. در ذهنتان تصور می‌کنید که جلسه به‌خوبی پیش رفته - و همچنانکه آن صحنه را تصور می‌کنید، جنب‌وجوش ظریفی از لذت مورد انتظار در جانتان پا می‌گیرد- و به خودتان امید می‌دهید که شاید فرصتی فراهم شده از رئیستان درخواست افزایش حقوق کنید؛ البته نه اینکه از همان لحظه حقوقتان را افزایش دهد، بلکه در چند ماه بعد از آن. تصور می‌کنید که او جواب مثبت می‌دهد و اینکه آن افزایش حقوق چه معنایی برایتان خواهد داشت: سال بعد، شما و همسرتان بالاخره می‌توانید از شر بازار اجاره خلاص شوید و در محله بهتری در همان نزدیکی خانه‌ای بخرید که در حوزه آموزشی بهتری هم قرار دارد، اما سپس ذهنتان به مشکلی کشیده می‌شود که این اواخر با آن دست به گریبان بوده‌اید: یکی از اعضای گروهتان که فردی با استعداد، اما تند مزاج است. همچنانکه قدم می‌زنید، احساس ناراحتی‌ای را به یاد می‌آورید که هنگام پرخاش همکارتان برای رنجش بسیار بی‌معنای او فضای اتاق را پر کرد. جلسه دیگری را در شش ماه بعد تصور می‌کنید که همین رفتار انفجاری در آن رخ می‌دهد؛ فقط این دفعه در حضور رئیستان اتفاق می‌افتد. موج کوچکی از نگرانی ذهنتان را فرامی‌گیرد. پیش خودتان فکر می‌کنید شاید او خیلی مناسب این شغل نیست و این فکر شما را یاد پنج سال قبل می‌اندازد که یکی از کارمندان را اخراج کردید. ذهنتان تنش ناخوشایند آن گفتگو را به یاد می‌آورد و آنگاه تصور می‌کنید که گفت‌وگوی مشابهی با کارمند فعلی‌تان خواهید داشت چقدر پرتنش‌تر و ناخوشایندتر خواهد شد. همچنانکه ذهنتان با این سناریو پیش می‌رود، احساسی پیدا می‌کنید نزدیک به هراس فیزیکی. فقط در خلال چند دقیقه پرسه ذهنی، شما چند سفر متمایز رفت‌وبرگشتی از گذشته به آینده انجام می‌دهید: به هفته پیش‌رو و جلسه مهمتان، به یکی دو سال بعد و خانه خریداری شده در محله جدید، بازگشت به پنج سال قبل، به چند هفته بعد. شما زنجیره‌هایی از علت و معلول مرتبط با آن لحظات متفاوت می‌سازید و به‌آرامی و پیوسته از وقایع بیرونی به حوادث تخیل‌شده حرکت می‌کنید. کل این تسلسل نوع پیشرفتهای از ژیمناستیک زمانی است. در این لحظات تفکر بی‌ساختار، ذهن ما به‌سرعت میان گذشته و آینده به عقب و جلو می‌پرد، مثل یک تدوینگر فیلم که در سراسر فریم‌های یک فیلم پس و پیش می‌رود.
قابلیت آینده‌پردازی، هم در بسیاری از انقلاب‌های اجتماعی و علمی که تاریخ بشر را شکل داده منعکس شده و هم به لطف آن‌ها تقویت شده است. خود کشاورزی، بدون حالت کاربردی‌ای از آینده، قابل‌تصور نبود: پیش‌بینی تغییر فصل‌ها و تجسم پیشرفتهای بلندمدتی که از محصولات اهلی شده انتظار می‌رفت. بانکداری و سیستم‌های اعتباری مستلزم اذهانی بود که بتوانند ارزش مالی زمان حال را برای امکان‌پذیری دستاوردهای عظیم‌تر آینده فدا کنند. ما با موهبت منحصربه‌فردی برای تصور آینده به دنیا آمده‌ایم، اما از طلیعه تمدن به این سو، آن موهبت‌ها را ارتقا داده‌ایم. امروزه پیشرفتهای جدیدی در قالب الگوریتم‌های یادگیری ماشینی که به انسان‌ها در انواع خاصی از پیش‌بینی‌ها برتری داده‌اند، در افق پدیدار شده است. همانطور که هوش مصنوعی برای تقویت اساسی‌ترین استعداد انسانی ما ساخته شده، ما با این پرسش دقیق مواجه می‌شویم که: اگر در پیش‌بینی آینده هر چه بیشتر توفیق یابیم، آینده چه تفاوتی خواهد کرد؟
پیش‌بینی‌های دقیق هواشناسی صرفاً یکی از دستاوردهای اولیه سفر زمانی مبتنی بر نرم افزار است: الگوریتم‌هایی که به ما اجازه می‌دهند به آینده‌ای چشم بدوزیم که به‌نحوی همین چند دهه پیش ناممکن بود؛ و سه مؤلف دانشگاه تورنتو در کتاب مشترک جدیدی آن‌ها را «ماشین‌های پیشگو» نامیده‌اند. الگوریتم‌ها می‌توانند برنامه‌ریزی شوند تا با کندوکاو مخازن عظیمی از داده‌های مربوط به حوادث گذشته، پیش‌بینی‌های فوق‌العاده دقیقی از حوادث آینده ایجاد کنند. یک الگوریتم را می‌توان برنامه‌ریزی کرد که با تحلیل هزاران خریدوفروش مسکن و پرونده‌های مالی خریداران و بررسی فرضیه‌ها با رهگیری خریدارانی که در نهایت از پرداخت بدهی وامی‌مانند، تأخیر بازپرداخت اقساط وام‌های آینده را پیش‌بینی کند. روشن است که نتیجه آن برنامه‌ریزی یک پیش‌بینی قطعی تخلف‌ناپذیر نیست، اما چیزی است شبیه به پیش‌بینی‌هایی که ما در گزارش‌های وضع هوا به آن‌ها تکیه می‌کنیم. این الگوریتم‌ها می‌توانند به تصحیح نقایص خطرناکی کمک کنند که در شبکه پیش‌فرض وجود دارد: انسان‌ها به بدعمل‌کردن در برآورد احتمالات شهره‌اند. در هنگام تصمیم‌های ظریفی که بالقوه با شمار عظیمی از گزینه‌های مختلف سروکار پیدا می‌کنیم سیستم‌های یادگیری ماشینی کمک بسیار بزرگی خواهند بود. انسان‌ها در ساخت و پرداخت همزمان آینده‌های تخیلی برای خطوط زمانی رقیب بسیار توانایند: در یکی از این خطوط زمانی، شغل جدیدی قبول کرده‌اید و در یکی دیگر آن را رد کرده‌اید، اما اذهان ما وقتی لازم می‌شود چندین یا صدها سیر زمانی آینده را ردگیری کنند، با سقف و محدوده‌ای محاسباتی مواجه می‌شوند؛ اما ماشین‌های پیش‌بینی‌کننده هوش مصنوعی چنین محدودیتی ندارند و همین امر آن‌ها را در کمک‌رسانی به مجموعه معناداری از تصمیم‌های مهم زندگی، مهارت بسیار می‌بخشد؛ تصمیم‌هایی که برای تحلیل، به داده‌های طراحی‌شده ارزشمند و شمار بزرگی از آینده‌های بدیل بستگی دارند.
در دهه‌های آتی، بسیاری از ما از پیش‌بینی‌های یادگیری ماشینی بهره خواهیم برد تا به ما در همه انواع تصمیم‌گیری در زندگی کمک کنند: مثلاً تغییرات شغلی، برنامه‌ریزی‌های مالی و گزینش‌های استخدامی. همچنانکه ما درصدد تکیه بیشتر به ماشین‌های پیشگویی هوش مصنوعی برمی‌آییم، چه بر سر قوای سفر زمانی‌مان خواهد آمد؟ شاید نتیجه این وضع وحشتناک یا رهایی‌بخشی یا ترکیب عجیبی از هر دو آن‌ها باشد. در حال حاضر به نظر ناگزیر می‌رسد که هوش مصنوعی قوای آینده‌پرداز ما را به شیوه‌های هدفدار جدیدی تغییر می‌دهد، خواه برای وضعی بهتر یا بدتر، اما خوب است به این هم فکر کنیم که همه تکنولوژی، که به ما در فهم اولیه از شبکه پیش‌فرض کمک کرد، به این منجر شد که ما را به ریشه‌هایمان بازگرداند: دادن فرصتی بیشتر به اذهانمان برای پرسه‌زنی، برای گریز از قیدوبندهای اکنون، برای برون‌جستن از لحظه کنونی.
نقل و تلخیص از وب سایت ترجمان / نوشته: استیون جانسون / ترجمه: علی کوچکی / مرجع: نیویورک تایمز